方蘇 劉成霞 周澳

摘要： 為避免試樣比照法的偶然性和不確定性，文章提出一種基于綜合指標(biāo)分析織物褶裥等級(jí)的方法。以三維激光掃描儀獲取的褶裥模板點(diǎn)云為研究對(duì)象，通過(guò)對(duì)三維參考面重建將Z軸作為褶裥高度進(jìn)行分析，對(duì)點(diǎn)云進(jìn)行預(yù)處理得到50mm×50mm的點(diǎn)云集合并提取三維特征指標(biāo)。首先分析單個(gè)特征指標(biāo)與褶裥等級(jí)的擬合方程和相關(guān)系數(shù)，結(jié)果表明單個(gè)指標(biāo)不能很好地反映褶裥等級(jí)，最后運(yùn)用逐步回歸分析法建立綜合特征指標(biāo)與褶裥等級(jí)的模型。采用含有褶裥織物樣本檢驗(yàn)?zāi)Ｐ?，結(jié)果表明主客觀評(píng)價(jià)的吻合度達(dá)90%，能合理反映織物褶裥等級(jí)，為客觀評(píng)價(jià)織物褶裥等級(jí)提供依據(jù)。

關(guān)鍵詞： 點(diǎn)云數(shù)據(jù)；織物褶裥等級(jí)；特征指標(biāo)；逐步回歸；客觀評(píng)價(jià)

中圖分類(lèi)號(hào)： TS101.9

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1001-7003（2018）06-0019-06

引用頁(yè)碼： 061104

Abstract： In order to avoid the contingency and uncertainty of the sample comparison method， a method based on comprehensive indexes to analyze the pleat grade of fabrics is proposed. Pleat template point cloud obtained by 3D laser scanner was taken as the research object. The Z axis as pleat height was analyzed by the reconstruction of the 3D reference plane， and pretreatment of the template point cloud was conducted to obtain a point cluster of 50mm×50mm. Meanwhile， the three-dimensional characteristic indexes were extracted. Firstly， the fitting equation and the correlation coefficient between the individual characteristic index and the pleat grade were analyzed. It was concluded that the single index could not well reflect the fabric pleat grade. Finally， stepwise regression analysis was used to establish a model of comprehensive characteristic index and pleat grade. The model was tested with the samples containing pleated fabrics. The results showed that the coincidence degree of subjective and objective evaluation was 90%， which can reasonably reflect the fabric pleat grade， This paper provides the basis for the objective evaluation of fabric pleats.

Key words： point cloud data； pleat grade of fabric； characteristic index； stepwise regression； objective evaluation

服裝褶裥的等級(jí)評(píng)定是紡織品外觀評(píng)價(jià)的一項(xiàng)重要指標(biāo)，以往多采用AATCC-88C褶裥外觀評(píng)級(jí)樣照對(duì)織物褶裥等級(jí)進(jìn)行評(píng)定，這種方法易受個(gè)人主觀因素影響帶來(lái)誤差。三維激光測(cè)量技術(shù)作為新興的檢測(cè)手段，能收集織物表面起伏信息或褶皺信號(hào)[1]，通過(guò)提取長(zhǎng)度、表面積、最大扭矩等特征值[2]，或是篩選特征點(diǎn)及其鄰域點(diǎn)集重構(gòu)MLS曲面[3]，最后建立平整度等級(jí)虛擬測(cè)評(píng)系統(tǒng)進(jìn)行分類(lèi)[4-5]。但目前運(yùn)用到織物褶裥等級(jí)的測(cè)試研究相對(duì)較少，因此客觀評(píng)價(jià)織物褶裥等級(jí)避免人為主觀因素影響，提高評(píng)級(jí)的準(zhǔn)確率，成為紡織技術(shù)發(fā)展的必然趨勢(shì)。

本文利用三維非接觸式激光掃描儀采集織物表面的離散數(shù)據(jù)點(diǎn)，經(jīng)過(guò)濾除噪聲、三維參考面重建、點(diǎn)云截取等預(yù)處理后，提取織物褶裥等級(jí)的三維特征參數(shù)，進(jìn)行單個(gè)特征指標(biāo)相關(guān)性分析，后運(yùn)用逐步回歸分析得到綜合特征指標(biāo)與織物褶裥等級(jí)的模型，對(duì)織物褶裥等級(jí)進(jìn)行客觀評(píng)價(jià)。運(yùn)用客觀評(píng)價(jià)代替主觀評(píng)價(jià)，建立褶裥等級(jí)客觀評(píng)價(jià)方程式，從而避免主觀評(píng)價(jià)的偶然性和不確定性，為服裝外觀質(zhì)量評(píng)價(jià)提供理論依據(jù)。

1 褶裥模板點(diǎn)云數(shù)據(jù)采集與預(yù)處理

1.1 儀 器

REVscan 3D激光掃描儀是Creaform公司Handyscan 3D系列自定位掃描儀產(chǎn)品之一。由雙目手持式掃描儀、人體工程學(xué)支架、FireWire連接線(xiàn)、ExpressCard連接卡、電源及2500個(gè)磁性定位標(biāo)記物組成。REVscan 3D激光掃描儀的掃描精度為0.05mm，測(cè)量速度18000次/s，具有自定位功能，不需要使用外部跟蹤裝備，不會(huì)造成重復(fù)采集數(shù)據(jù)且便于操作。

1.2 三維點(diǎn)云數(shù)據(jù)的獲取

以AATCC-88C褶裥外觀評(píng)級(jí)樣照為研究對(duì)象，模板隨等級(jí)的增大褶裥程度越明顯，將REVscan 3D激光掃描儀對(duì)5塊標(biāo)準(zhǔn)樣板CR-1至CR-5在隨機(jī)選擇的最佳掃描位置上各掃描5次，共得到25組模板點(diǎn)云數(shù)據(jù)，其中每個(gè)模板包含大約160000個(gè)離散數(shù)據(jù)點(diǎn)，每個(gè)點(diǎn)包含了在三維坐標(biāo)系中的位置和法向量等信息。

1.3 點(diǎn)云數(shù)據(jù)的預(yù)處理

由于測(cè)量數(shù)據(jù)是在隨機(jī)最佳位置測(cè)得，導(dǎo)致每塊點(diǎn)云都不在同一參考面內(nèi)，并且測(cè)量數(shù)據(jù)不僅包含被測(cè)物體的幾何信息，還不可避免帶有噪聲和磁性定位標(biāo)記留下的孔洞，需對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行必要的預(yù)處理。預(yù)處理過(guò)程包括對(duì)測(cè)量數(shù)據(jù)的去噪和孔洞修復(fù)、三維參考面重建及點(diǎn)云截取。

去噪的目的是濾除各項(xiàng)誤差引起的多余點(diǎn)，將點(diǎn)云數(shù)據(jù)導(dǎo)入Geomagic Studio 12逆向工程軟件中，通過(guò)顯示的點(diǎn)云圖形，結(jié)合軟件自帶去噪程序刪除噪點(diǎn)[6]。為得到更直觀的褶裥形態(tài)，并使所有點(diǎn)云在同一坐標(biāo)系內(nèi)，對(duì)獲取的離散點(diǎn)進(jìn)行三維參考面重建。因褶裥特征明顯，三維重建以X、Y軸為新參考平面，Z軸作為褶裥高度進(jìn)行后續(xù)分析。

為提高分析和計(jì)算速度，在保證點(diǎn)云中含有褶裥高度的前提下，統(tǒng)一截取褶裥高度沿Z坐標(biāo)方向50mm×50mm的點(diǎn)云，截取后每塊點(diǎn)云剩余大約6000個(gè)離散數(shù)據(jù)點(diǎn)。其中模板預(yù)處理過(guò)程為：導(dǎo)入點(diǎn)云數(shù)據(jù)集合、點(diǎn)云著色、建立全局坐標(biāo)系、選取點(diǎn)云平面點(diǎn)、擬合參考平面（以XY軸為新參考平面）、點(diǎn)云封裝、兩次XZ平面裁剪、兩次YZ平面裁剪、點(diǎn)云裁剪成型、轉(zhuǎn)化為點(diǎn)云，取模板CR-3點(diǎn)云預(yù)處理的過(guò)程（圖1），取其中一組模板裁剪后成50mm×50mm的點(diǎn)云（圖2）。將25組模板點(diǎn)云在含有褶裥的前提下每組隨機(jī)位置上截取4塊點(diǎn)云，得到100組模板點(diǎn)云數(shù)據(jù)，作為后續(xù)分析的樣本。

2 特征參數(shù)提取及相關(guān)性分析

為探究點(diǎn)云分布形態(tài)與褶裥等級(jí)的關(guān)系，定量描述織物褶裥等級(jí)，根據(jù)織物褶裥的外觀特征，分別提取四分位差、均偏差、粗糙度、標(biāo)準(zhǔn)差、扭曲度、峰度6個(gè)特征值[7]。

四分位差Qd：將高度值由小到大行排列，處在后25%位置高度值為上四分位數(shù)Qu與處在前25%位置上高度值為下四分位數(shù)Ql的差值。

平均偏移量Ra：平均偏移量是褶皺形成偏移的均值，體現(xiàn)織物表面平整度情況，偏移的大小決定了織物表面的不同平整度。

粗糙度σ：有折痕的織物表面起伏不定，高度也在不斷變化，通過(guò)計(jì)算織物表面各點(diǎn)高度的標(biāo)準(zhǔn)差，可獲取粗糙度值。

扭曲度Rs：織物的表面扭曲程度在一定程度上反映了織物的平整度。通過(guò)計(jì)算扭曲度，能夠側(cè)面描繪面料的起皺程度。

峰度Rk：面料表面存在褶皺高低不平的現(xiàn)象，凸起的地方像山峰，峰度就是用來(lái)表征面料表層的起伏程度，起伏程度與表面折皺有顯著關(guān)系。

標(biāo)準(zhǔn)差Rq：常用來(lái)反映一個(gè)數(shù)據(jù)集的離散程度。

這些特征值直接或間接地反映了織物表面情況，將標(biāo)樣的100組點(diǎn)云數(shù)據(jù)經(jīng)Matlab計(jì)算各標(biāo)樣特征值。每個(gè)標(biāo)樣得到20組120個(gè)數(shù)據(jù)，將各標(biāo)樣每種特征值中去掉最大值和最小值，求取各特征參數(shù)平均值，如表1所示。

因褶裥為有序變量，采用spearman秩相關(guān)性分析法[8]，spearman秩主要適用于兩列變量，而且具有等級(jí)變量性質(zhì)具有線(xiàn)性關(guān)系的分析?？疾炝鶄€(gè)特征參數(shù)（四分位差Qd、平均偏移量Ra、粗糙度σ、標(biāo)準(zhǔn)差S、扭曲度Rs、峰度Rk）與織物褶裥等級(jí)的相關(guān)程度。

其中四分位差Qd、平均偏移量Ra、粗糙度σ、標(biāo)準(zhǔn)差S、扭曲度Rs的相關(guān)性在置信度（雙側(cè)）為0.05時(shí)與褶裥等級(jí)的相關(guān)性均在90%以上，而在兩個(gè)置信區(qū)間中峰度Rk與褶裥等級(jí)的相關(guān)性表現(xiàn)得不明顯。說(shuō)明六個(gè)特征參數(shù)在保留大量原始信息的基礎(chǔ)上，與褶裥等級(jí)之間存在一定相關(guān)性，在某種程度上反映了褶裥高度沿Z坐標(biāo)方向的分布特點(diǎn)。

3 結(jié)果與分析

3.1 單變量模型的建立

本文將褶裥高度沿Z坐標(biāo)方向的特征參數(shù)與等級(jí)之間進(jìn)行一階曲線(xiàn)擬合、二階曲線(xiàn)擬合和三階曲線(xiàn)擬合分析，得出擬合方程和相關(guān)系數(shù)。結(jié)果發(fā)現(xiàn)在擬合中，隨著擬合階數(shù)的增加，相關(guān)性系數(shù)隨之增加，在進(jìn)行三階曲線(xiàn)擬合時(shí)出現(xiàn)一個(gè)等級(jí)對(duì)應(yīng)特征值的多個(gè)數(shù)據(jù)，綜合考慮選擇二階曲線(xiàn)擬合作為褶裥等級(jí)與單變量特征參數(shù)的擬合分析，得到不同褶裥等級(jí)的點(diǎn)云沿Z坐標(biāo)方向上的特征參數(shù)分布圖，如圖3所示，其中X軸代表特征參數(shù)，Y軸代表褶裥等級(jí)。

分析特征參數(shù)織物褶裥等級(jí)的單變量相關(guān)性，四分位差Qd的曲線(xiàn)擬合程度中R2在80%左右，平均偏移量Ra、粗糙度σ、標(biāo)準(zhǔn)差S、扭曲度Rs的曲線(xiàn)擬合程度中R2均大于90%；而在二階曲線(xiàn)擬合特征參數(shù)峰度Rk中出現(xiàn)一個(gè)褶裥等級(jí)對(duì)應(yīng)多個(gè)峰度值，且曲線(xiàn)的相關(guān)系數(shù)僅為19%。由此可見(jiàn)，僅考慮其中任意一個(gè)特征參數(shù)不能精確地預(yù)測(cè)點(diǎn)云所代表的實(shí)體對(duì)象的織物褶裥等級(jí)，因此必須綜合考慮各個(gè)特征參數(shù)與等級(jí)之間的關(guān)系[9]。

3.2 多變量回歸模型的建立

為進(jìn)一步探究特征參數(shù)與褶裥等級(jí)的關(guān)系，本文選用逐步回歸的方法[10]，將多變量引入模型排除引起多重共線(xiàn)性的變量，確?；貧w方程中只包含顯著性變量，以便得到具有統(tǒng)計(jì)意義關(guān)系的模型。

逐步回歸的基本思想：將變量逐個(gè)引入回歸模型，引入的條件是其偏回歸平方和最小的變量經(jīng)F檢驗(yàn)是顯著的；同時(shí)，對(duì)已選入的變量逐個(gè)進(jìn)行t檢驗(yàn)，若之前引入的變量由于后引入的變量變得不再顯著時(shí)，則將其刪除。這是一個(gè)反復(fù)的過(guò)程，直到既沒(méi)有顯著變量引入，回歸方程中的變量不能被剔除而又無(wú)新變量引入時(shí)為止，這時(shí)逐步回歸過(guò)程結(jié)束。

本文需要估計(jì)的特征指標(biāo)有四分位差Qd、平均偏移量Ra、粗糙度σ、標(biāo)準(zhǔn)差S、扭曲度Rs、峰度Rk，并選用100組模板數(shù)據(jù)求得的600個(gè)特征值進(jìn)行逐步回歸，結(jié)果如表2所示。

在回歸方程引入的六個(gè)特征值中剔除對(duì)等級(jí)PL影響不顯著的自變量，保留對(duì)等級(jí)PL影響顯著的自變量，所得回歸方程為：

經(jīng)計(jì)算，回歸方程通過(guò)了F檢驗(yàn)，回歸方程總體上是顯著的，擬合系數(shù)R2為97.6%，標(biāo)準(zhǔn)偏差RMSE為0.22741，其中R2接近1，表明回歸方程擬合程度較好。RMSE又稱(chēng)標(biāo)準(zhǔn)偏差，反映回歸曲線(xiàn)與觀測(cè)曲線(xiàn)的偏離程度，其值越小表示回歸精準(zhǔn)度越高。

3.3 織物褶裥等級(jí)的實(shí)際評(píng)定

選取50塊具有不同褶裥等級(jí)的織物試樣，通過(guò)激光掃描儀提取織物點(diǎn)云數(shù)據(jù)，對(duì)離散點(diǎn)進(jìn)行三維參考面重建等預(yù)處理后，從中提取四分位差Qd、平均偏移量Ra、粗糙度σ等對(duì)褶裥等級(jí)PL影響顯著的自變量。運(yùn)用得出的綜合特征指標(biāo)判別法確定客觀織物褶裥等級(jí)，并與5位服裝專(zhuān)業(yè)人士主觀評(píng)定結(jié)果相對(duì)照，結(jié)果如圖4所示。

由圖4可知，將測(cè)試數(shù)據(jù)代入式（7）并經(jīng)四舍五入取整得到的模型評(píng)估客觀褶裥等級(jí)，其中有5個(gè)點(diǎn)與主觀褶裥等級(jí)不符，經(jīng)計(jì)算主觀評(píng)價(jià)與客觀評(píng)價(jià)的吻合度達(dá)90%。由此驗(yàn)證了逐步回歸分析模型預(yù)估褶裥等級(jí)具有可行性。

4 結(jié) 論

為客觀評(píng)價(jià)織物的褶裥等級(jí)，本文通過(guò)點(diǎn)云三維參考面重建并進(jìn)行數(shù)據(jù)預(yù)處理，提取褶裥高度沿Z方向上的四分位差、平均偏移量、粗糙度、標(biāo)準(zhǔn)差、扭曲度、峰度六個(gè)特征指標(biāo)，通過(guò)SPSS分析單個(gè)變量與褶裥模板的關(guān)系，推斷出不同的特征指標(biāo)與褶裥模板等級(jí)存在著相關(guān)性，并得到單變量的擬合方程和相關(guān)系數(shù)。但僅考慮其中任意一個(gè)特征參數(shù)，不能精確地預(yù)測(cè)點(diǎn)云所代表的實(shí)體對(duì)象的織物褶裥等級(jí)。

為得到綜合評(píng)判指標(biāo)，運(yùn)用逐步回歸分析法剔除對(duì)等級(jí)PL影響不顯著的自變量，保留對(duì)等級(jí)PL影響顯著的自變量，建立的綜合特征指標(biāo)與織物褶裥等級(jí)的模型為：PL=4.153σ+3.608Ra-2.311Qd-0.264，其中σ為粗糙度，Ra為平均偏移量、Qd為四分位差。

最后選用50塊含有褶裥的織物進(jìn)行驗(yàn)證分析，并將綜合指標(biāo)判別法的評(píng)價(jià)結(jié)果與織物褶裥等級(jí)的主觀評(píng)價(jià)結(jié)果相對(duì)照，得出兩者的相關(guān)系數(shù)達(dá)90%，客觀評(píng)價(jià)優(yōu)于主觀評(píng)價(jià)，且準(zhǔn)確率高。

參考文獻(xiàn)：

[1]劉富， 范金土， 田彥濤， 等. 用激光掃描系統(tǒng)獲取服裝接縫的皺褶信號(hào)[J]. 光電工程， 2000， 27（4）： 21-24.

LIU Fu， FAN Jintu， TIAN Yantao， et al. Extraction of corrugation signal at clothing seam with laser scanning system[J]. Opto-Electronic Engineering， 2000， 27（4）： 21-24.

[2]AMIRBAYAT J， ALAGHA M J. Objective assessment of wrinkle recovery by means of laser triangulation [J]. Journal of the Textile Institute， 1996， 87（2）： 349-355.

[3]陳慧敏， 顧洪波， 張渭源. 基于點(diǎn)模型的織物平整性能分析[J]. 紡織學(xué)報(bào)， 2008，29（9）： 38-42.

CHEN Huimin， GU Hongbo， ZHANG Weiyuan. Digital analysis of fabric smoothness appearance on point-sampled model [J]. Journal of Textile Research， 2008，29（9）： 38-42.

[4]徐建明. 織物平整度等級(jí)客觀評(píng)估系統(tǒng)的研究[D]. 上海： 東華大學(xué)， 2006： 43-56.

XU Jianming. Study on Objective Assessment System of Fabric Smoothness Grade [D]. Shanghai： Donghua University， 2006： 43-56.

[5]劉成霞. 模擬實(shí)際著裝的織物折皺測(cè)試及等級(jí)評(píng)價(jià)方法研究[D]. 杭州： 浙江理工大學(xué)， 2015： 56-61.

LIU Chengxia. Investigation into Measurement and Grade Evaluation of Fabric Wrinkling Simulating Actual Wear [D]. Hangzhou： Zhejiang Sci-Tech University， 2015： 56-61.

[6]肖貝. 激光三維掃描點(diǎn)云數(shù)據(jù)預(yù)處理算法的研究[D]. 武漢： 武漢工程大學(xué)， 2011： 20-21.

XIAO Bei. Research on Preprocessing Algorithm of Laser 3D Scanning Point Cloud Data [D]. Wuhan： Wuhan Institute of Technology， 2011： 20-21.

[7]陳麗麗，劉成霞. 基于激光掃描技術(shù)的服裝肘部穿著平整度客觀評(píng)價(jià)[J]. 絲綢， 2017， 54（6）： 43-48.

CHEN Lili， LIU Chengxia. Objective evaluation of wearing smoothness of garment elbow with laser scanning technology [J]. Journal of Silk， 2017， 54（6）： 43-48.

[8]潘婷. 輕薄毛織物的織物縫紉平整度及其等級(jí)預(yù)測(cè)[D]. 杭州： 浙江理工大學(xué)， 2013：40-56.

PAN Ting. Thin Wool Fabric Sewing Fabric Smoothness and Its Level is Forecast [D]. Hangzhou： Zhejiang Sci-Tech University， 2013： 40-56.

[9]YU Wurong， YAO Ming， XU Bugao. 3D surface reconstruction and evaluation of wrinkled fabrics by stereovision [J]. Textile Research Journal， 2009， 79（1）： 36-46.

[10]劉婷， 劉成霞. 織物多向抗皺性分析研究[J]. 毛紡科技， 2015， 43（12）： 47-51.

LIU Ting， LIU Chengxia. Wrinkle resistance test research and analysis of fabric in multi-angle[J]. Wool Textile Journal， 2015，43（12）：47-51.